CN116452827B - 基于计算机视觉的油墨印刷表面质量检测方法及系统 - Google Patents

Abstract

本发明属于图像数据处理技术领域，涉及一种基于计算机视觉的油墨印刷表面质量检测方法及系统，方法包括：获取待检测的油墨印刷图像；对油墨印刷图像进行CMYK分色处理，得到油墨印刷图像中每一个像素点在C、M、Y、K四个颜色通道下的像素值；以油墨印刷图像中的每个目标像素点为中心建立窗口，根据窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定各个像素点对应的通道差异度；对窗口内各个像素点对应的通道差异度进行筛选，得到筛选后的数据；基于筛选后的数据，确定目标像素点对应的油墨颜色松散度；基于油墨颜色松散度，确定目标像素点对应的油墨印刷质量指数。

Description

基于计算机视觉的油墨印刷表面质量检测方法及系统

技术领域

本发明属于图像数据处理技术领域，涉及一种基于计算机视觉的油墨印刷表面质量检测方法及系统。

背景技术

油墨印刷表面质量是影响印刷品质量的重要因素之一，当油墨印刷表面存在印刷缺陷（如印刷不均匀、印刷漏印、印刷重影等）时，会影响印刷品的外观和质量，降低印刷品的价值和使用寿命。因此，在油墨印刷品的生产过程中，需要对油墨印刷表面质量进行检测，帮助印刷厂家及时发现和解决印刷质量问题，提高印刷品的质量和生产效率，提高客户满意度，增强市场竞争力。

通过对印刷品质量的检测和分析，可以不断改进印刷工艺和技术，提高印刷品的质量和生产效率，推动印刷行业的发展和进步。目前，已经可以通过计算机视觉技术对油墨印刷品进行检测。但是，对于一些细微的质量问题，如印刷品表面的微小划痕、气泡等，往往由于瑕疵特征不明显，检测效果不佳。

针对这些细微的质量问题，可以使用模板匹配的方法进行检测，但是，现有的模板匹配方法对噪声、环境影响等因素过于敏感，容易将非瑕疵部分识别为瑕疵。基于此，有必要研究一种能够精确识别微小瑕疵问题，并且对于非瑕疵部分不过于敏感的油墨印刷表面质量检测方法。

发明内容

本说明书实施例的一个方面提供一种基于计算机视觉的油墨印刷表面质量检测方法，包括：获取待检测的油墨印刷图像；对所述油墨印刷图像进行CMYK分色处理，得到所述油墨印刷图像中每一个像素点在C、M、Y、K四个颜色通道对应的像素值；对于所述油墨印刷图像中的每一个目标像素点，以所述目标像素点为中心建立的窗口，根据所述窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定所述各个像素点对应的通道差异度，其中，所述通道差异度基于所述四个颜色通道对应的像素值和所述分色印版中对应位置的像素值计算得到；对所述窗口内各个像素点对应的通道差异度进行筛选，得到筛选后的数据；基于所述筛选后的数据，确定所述目标像素点对应的油墨颜色松散度；基于所述油墨颜色松散度，确定所述目标像素点对应的油墨印刷质量指数。

在一些实施例中，所述根据所述窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定所述各个像素点对应的通道差异度，包括：确定所述油墨印刷图像中的边缘像素点和非边缘像素点；基于第一计算方式确定所述边缘像素点对应的通道差异度；对于所述窗口内的所述非边缘像素点，若其处于所述边缘像素点的八邻域范围内，基于所述第一计算方式确定其对应的通道差异度，若其不处于所述边缘像素点的八邻域范围内，则基于第二计算方式确定其对应的通道差异度。

在一些实施例中，所述确定所述油墨印刷图像中的边缘像素点和非边缘像素点，包括：根据C、M、Y、K四个颜色通道对应的分色印版确定每个分色印版对应的颜色区域中位于边缘位置的像素点；将所述位于边缘位置的像素点作为所述分色印版对应的边缘像素点，将在C、M、Y、K四个颜色通道对应的分色印版内都不是边缘像素点的像素点作为非边缘像素点。

在一些实施例中，所述第一计算方式包括：确定待计算的像素点的第一坐标，所述第一坐标用于表征所述边缘像素点或处于所述边缘像素点的八邻域范围内的非边缘像素点在所述油墨印刷图像中对应的像素位置；基于所述第一坐标在容错空间内确定所述待计算的像素点在各个分色印版中对应的第一匹配像素点；基于所述待计算的像素点在各个颜色通道的像素值和所述第一匹配像素点在对应颜色通道的像素值，确定所述待计算的像素点对应的通道差异度；所述第二计算方式包括：确定待计算的像素点的第二坐标，所述第二坐标用于表征不处于所述边缘像素点的八邻域范围内的非边缘像素点在所述油墨印刷图像中对应的像素位置；基于所述第二坐标在各个分色印版中确定具有相同坐标的第二匹配像素点；基于所述待计算的像素点在各个颜色通道的像素值和所述第二匹配像素点在对应颜色通道的像素值，确定所述待计算的像素点对应的通道差异度。

在一些实施例中，所述基于所述第一坐标在容错空间内确定所述待计算的像素点在各个分色印版中对应的第一匹配像素点，包括：在各个分色印版中，以所述第一坐标对应的像素点为中心，建立的容错空间；计算所述待计算的像素点与所述容错空间内的各个像素点在各个颜色通道的像素差值的绝对值之和；将所述像素差值的绝对值之和最小的像素点作为所述待计算的像素点对应的第一匹配像素点。

在一些实施例中，所述对所述窗口内各个像素点对应的通道差异度进行筛选，得到筛选后的数据，包括：将所述窗口中具有相同颜色的像素点划分为一个颜色区；对于每一个颜色区，若区内的像素点数量大于或等于第一预设阈值，将其作为有效颜色区，并基于该区内各像素点对应的通道差异度确定所述有效颜色区对应的通道差异度序列；对所述通道差异度序列进行LOF异常值检测，确定每一个所述通道差异度序列中的异常值；在所述异常值的数量小于或等于第二预设阈值时，剔除所述通道差异度序列中的所述异常值，得到所述筛选后的数据；在所述异常值的数量大于所述第二预设阈值时，将所述通道差异度序列中的所有数据作为所述筛选后的数据。

在一些实施例中，所述基于所述筛选后的数据，确定所述目标像素点对应的油墨颜色松散度，包括：计算每一个所述有效颜色区中各个像素点在C、M、Y、K四个颜色通道内对应的像素值的标准差的第一均值，以及每一个所述有效颜色区中各个像素点对应的通道差异度之和；基于所述第一均值以及所述通道差异度之和确定所述窗口对应的第一参数；基于所述第一参数和所述窗口中所有所述有效颜色区的总数，得到第一比值；计算所述窗口中不属于任何所述有效颜色区的像素点对应的通道差异度的第二均值、所述窗口中所有所述有效颜色区的像素点对应的通道差异度的第三均值，以及所述窗口中不属于任何所述有效颜色区的像素点在C、M、Y、K四个颜色通道内对应的像素值的标准差的第四均值；基于所述第二均值和所述第三均值，得到第二比值；基于所述第二均值和所述第四均值，得到第二参数；确定所述窗口中所有所述有效颜色区的像素总量在所述窗口中对应的第一比例，以及所述窗口中不属于任何所述有效颜色区的像素总量在所述窗口中对应的第二比例；基于所述第一比值、第一比例、第二比值、第二比例以及所述第二参数，确定所述目标像素点对应的油墨颜色松散度。

在一些实施例中，所述基于所述第一均值以及所述通道差异度之和确定所述窗口对应的第一参数，包括：对所述窗口中各个颜色区所对应的第一均值和通道差异度之和的乘积进行求和，得到所述窗口对应的第一参数；所述基于所述第二均值和所述第四均值，得到第二参数，包括：将所述第二均值和所述第四均值的乘积作为所述第二参数；所述基于所述第一比值、第一比例、第二比值、第二比例以及所述第二参数，确定所述目标像素点对应的油墨颜色松散度，包括：将所述第一比值与所述第一比例相乘，得到第一乘积；将所述第二比值、第二比例以及第二参数相乘，得到第二乘积；对所述第一乘积和所述第二乘积进行求和，得到所述目标像素点对应的油墨颜色松散度。

在一些实施例中，所述基于所述油墨颜色松散度，确定所述目标像素点对应的油墨印刷质量指数，包括：对所述油墨颜色松散度进行归一化处理；基于所述归一化处理后得到的数据，确定所述目标像素点对应的油墨印刷质量指数。

本说明书实施例的另一个方面还提供一种基于计算机视觉的油墨印刷表面质量检测系统，包括：获取模块，用于获取待检测的油墨印刷图像；分色处理模块，用于对所述油墨印刷图像进行CMYK分色处理，得到所述油墨印刷图像中每一个像素点在C、M、Y、K四个颜色通道对应的像素值；通道差异度计算模块，用于对于所述油墨印刷图像中的每一个目标像素点，以所述目标像素点为中心建立的窗口，根据所述窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定所述各个像素点对应的通道差异度，其中，所述通道差异度基于所述四个颜色通道对应的像素值和所述分色印版中对应位置的像素值计算得到；数据筛选模块，用于对所述窗口内各个像素点对应的通道差异度进行筛选，得到筛选后的数据；油墨颜色松散度确定模块，用于基于所述筛选后的数据，确定所述目标像素点对应的油墨颜色松散度；油墨印刷质量指数确定模块，用于基于所述油墨颜色松散度，确定所述目标像素点对应的油墨印刷质量指数。

本说明书实施例所提供的基于计算机视觉的油墨印刷表面质量检测方法及系统可能带来的有益效果至少包括：（1）通过对印刷品的不同位置提供不同的印刷容错空间，然后根据印刷品各位置与印版的差异判断各个像素点位置的油墨印刷质量，可以解决油墨印刷质量评价过程中对噪声、环境影响等因素过于敏感，易将非瑕疵部分识别为瑕疵的问题，从而提升印刷品表面细微的质量问题的检测精度；（2）在对印刷品不同位置提供不同的印刷容错空间的过程中，通过印刷时各色印版内各个区域的边缘确定需要直接提供容错空间的像素点位置，并根据印版错位的可接受程度确定容错空间，然后为边缘位置出现错位后会受到影响的临近像素点提供相同的容错空间，进而得到这些像素点对应的印刷质量评价，适应了印刷时不同印版无法完全对应目标位置的问题，可以为印刷时在容错范围内的错版位置提供更为客观的印刷质量评价，解决了印刷质量评价中过于敏感的问题；（3）通过对窗口内各像素点对应的通道差异度进行筛选，然后根据筛选后的数据确定目标像素点对应的印刷效果，可以使印刷质量评价在可筛选出微小瑕疵的前提下减少过高的灵敏度，使瑕疵的筛选结果更为准确，减少误判；（4）通过对窗口内的各个像素点的颜色进行分区，可以避免当像素点所在位置包含了某个印版中的边缘时由于窗口内包含的相邻的两个像素点的颜色差异较大而导致计算得到的油墨印刷质量指数和油墨颜色松散度不准确的问题，从而提高后续过程中油墨颜色松散度和油墨印刷质量指数的计算精度。

附图说明

本说明书将以示例性实施例的方式进一步描述，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书的一些实施例所示的基于计算机视觉的油墨印刷表面质量检测系统的示例性应用场景示意图，其中包括：110、图像采集装置；120、存储设备；130、处理设备；140、终端设备；150、网络；141、移动设备；142、平板计算机；143、膝上型计算机；

图2是根据本说明书的一些实施例所示的基于计算机视觉的油墨印刷表面质量检测系统的示例性模块图；

图3是根据本说明书一些实施例所示的基于计算机视觉的油墨印刷表面质量检测方法的示例性流程图；

图4是根据本说明书一些实施例所示的基于计算机视觉的油墨印刷表面质量检测方法的示例性子步骤流程图；

图5是根据本说明书另一些实施例所示的基于计算机视觉的油墨印刷表面质量检测方法的示例性子步骤流程图。

具体实施方式

通过图像处理方法，可以提取出颜色、形状、纹理等关键特征，实现对油墨印刷质量的检测。该方法适用范围广，可以检测出多种质量问题，如颜色偏差、印刷位置偏移、印刷质量不均等。但是，对于一些细微的质量问题，如印刷品表面的微小划痕、气泡等，往往由于瑕疵特征不明显，检测效果不佳。针对这些细微的质量问题，可以使用模板匹配的方法进行检测，但是，现有的模板匹配方法对噪声、环境影响等因素过于敏感，容易将非瑕疵部分识别为瑕疵。

基于以上技术问题，本说明书提供一种基于计算机视觉的油墨印刷表面质量检测方法及系统。其中，该方法通过对印刷品的不同位置提供不同的印刷容错空间，然后根据印刷品各位置与印版的差异判断各个像素点位置的油墨印刷质量，可以解决油墨印刷质量评价过程中对噪声、环境影响等因素过于敏感，易将非瑕疵部分识别为瑕疵的问题，从而提升印刷品表面细微的质量问题的检测精度。

下面结合附图对本说明书实施例提供的方法及系统进行详细说明。

图1是根据本说明书一些实施例所示的基于计算机视觉的油墨印刷表面质量检测系统的示例性应用场景示意图。

参照图1，在一些实施例中，基于计算机视觉的油墨印刷表面质量检测系统的应用场景100可以包括图像采集装置110、存储设备120、处理设备130、终端设备140以及网络150。应用场景100中的各个部件可以以多种方式相连接。

图像采集装置110可以用于获取针对待检测油墨印刷品采集的油墨印刷图像，该油墨印刷图像可以反映出油墨印刷品的表面印刷缺陷（例如，印刷不均匀、印刷漏印、印刷重影等）。

网络150可以促进信息和/或数据的交换。网络150可以包括能够促进应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中，网络150可以为任意形式的有线或无线网络，或其任意组合。

存储设备120可以储存数据、指令和/或任何其他信息。在一些实施例中，存储设备120可以存储从图像采集装置110、处理设备130和/或终端设备140获得的数据。在一些实施例中，存储设备120可以是图像采集装置110和/或处理设备130的一部分。

处理设备130可以处理从图像采集装置110、存储设备120、终端设备140和/或应用场景100的其他组件获得数据和/或信息。在一些实施例中，处理设备130可以从存储设备120获取预先存储的计算机指令，并执行该计算机指令以实现本说明书所描述的基于计算机视觉的油墨印刷表面质量检测方法。

终端设备140可以接收、发送和/或显示数据。在一些实施例中，终端设备140可以包括移动设备141、平板计算机142、膝上型计算机143等或其任意组合。

图2是根据本说明书一些实施例所示的基于计算机视觉的油墨印刷表面质量检测系统的模块示意图。在一些实施例中，图2所示的基于计算机视觉的油墨印刷表面质量检测系统200可以以软件和/或硬件的方式应用到图1所示的应用场景100，例如，可以以软件和/或硬件的形式配置到处理设备130和/或终端设备140，以用于对图像采集装置110所采集的油墨印刷图像进行处理，并基于该油墨印刷图像确定各个像素点对应的通道差异度、油墨颜色松散度和/或油墨印刷质量指数。

参照图2，在一些实施例中，基于计算机视觉的油墨印刷表面质量检测系统200可以包括获取模块210、分色处理模块220、通道差异度计算模块230、数据筛选模块240、油墨颜色松散度确定模块250以及油墨印刷质量指数确定模块260。

获取模块210可以用于获取待检测的油墨印刷图像。

分色处理模块220可以用于对所述油墨印刷图像进行CMYK分色处理，得到所述油墨印刷图像中每一个像素点在C、M、Y、K四个颜色通道对应的像素值。

通道差异度计算模块230可以用于对于所述油墨印刷图像中的每一个目标像素点，以所述目标像素点为中心建立的窗口，根据所述窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定所述各个像素点对应的通道差异度，其中，所述通道差异度基于所述四个颜色通道对应的像素值和所述分色印版中对应位置的像素值计算得到。

数据筛选模块240可以用于对所述窗口内各个像素点对应的通道差异度进行筛选，得到筛选后的数据。

油墨颜色松散度确定模块250可以用于基于所述筛选后的数据，确定所述目标像素点对应的油墨颜色松散度。

油墨印刷质量指数确定模块260可以用于基于所述油墨颜色松散度，确定所述目标像素点对应的油墨印刷质量指数。

关于上述各个模块的更多细节可以参照本说明书的其他位置（例如图3~图5部分及其相关描述），此处不再赘述。

需要注意的是，上述关于基于计算机视觉的油墨印刷表面质量检测系统200的描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。可以理解，对于本领域的技术人员来说，可以根据本说明书的描述，在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，图2中所述的获取模块210、分色处理模块220、通道差异度计算模块230、数据筛选模块240、油墨颜色松散度确定模块250以及油墨印刷质量指数确定模块260可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。诸如此类的变形，均在本说明书的保护范围之内。在一些实施例中，前述各个模块可以是处理设备130和/或终端设备140的一部分。

图3是根据本说明书一些实施例所示的基于计算机视觉的油墨印刷表面质量检测方法的示例性流程图。在一些实施例中，基于计算机视觉的油墨印刷表面质量检测方法300可以通过处理逻辑来执行，该处理逻辑可以包括硬件（例如，电路、专用逻辑、可编程逻辑、微代码等）、软件（运行在处理设备上以执行硬件模拟的指令）等或其任意组合。在一些实施例中，图3所示的基于计算机视觉的油墨印刷表面质量检测方法300中的一个或多个操作可以通过图1所示的处理设备130和/或终端设备140实现。例如，基于计算机视觉的油墨印刷表面质量检测方法300可以以指令的形式存储在存储设备120中，并由处理设备130和/或终端设备140调用和/或执行。下文以处理设备130为例描述基于计算机视觉的油墨印刷表面质量检测方法300的执行过程。

参照图3，在一些实施例中，基于计算机视觉的油墨印刷表面质量检测方法300可以包括：

步骤310，获取待检测的油墨印刷图像。在一些实施例中，步骤310可以由获取模块210执行。

在一些实施例中，图像采集装置110可以对待检测的油墨印刷品进行图像采集，得到油墨印刷图像，并将采集得到的油墨印刷图像存储在存储设备120中。获取模块210可以从该存储设备120中获取待检测的油墨印刷品所对应的油墨印刷图像。

在一些实施例中，该油墨印刷图像可以为RGB图像。在获取到该油墨印刷图像之后，可以对该油墨印刷图像使用双边滤波进行去噪，以减少噪声对下述步骤中图像分析过程的干扰。

步骤320，对所述油墨印刷图像进行CMYK分色处理，得到所述油墨印刷图像中每一个像素点在C、M、Y、K四个颜色通道对应的像素值。在一些实施例中，步骤320可以由分色处理模块220执行。

在对多色图像（例如彩色图像）进行印刷的过程中，需要将彩色原稿进行分色处理，具体而言，即将原稿中的各种颜色分解为青（Cyan）、红（Magenta）、黄（Yellow）、黑（Black）四种原色颜色，获得离散网点的各色印版，然后将印版按照一定的次序装在彩色印刷机上，印刷物料每经过一色印版，相应的单色图像就会印在印刷件上，最后几种不同颜色的图像叠合后就会再现出一幅完整的彩色图像。

基于此，在本说明书的一些实施例中，为了使下述印刷质量分析结果更为准确，可以对油墨印刷图像进行CMYK分色处理，将油墨印刷图像中每个像素点对应的RGB值转换为CMYK值，得到该油墨印刷图像中每一个像素点在C（Cyan）、M（Magenta）、Y（Yellow）、K（Black）四个颜色通道对应的像素值。

步骤330，以目标像素点为中心建立的窗口，根据所述窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定所述各个像素点对应的通道差异度。在一些实施例中，步骤330可以由通道差异度计算模块230执行。

在一些实施例中，可以将油墨印刷图像中的每一个像素点作为一个目标像素点。在针对每一个目标像素点进行印刷质量分析的过程中，可以以该目标像素点为中心建立的窗口，然后根据该窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定各个像素点对应的通道差异度。需要说明的是，在本说明书中，前述分色印版包括C、M、Y、K四个颜色通道分别对应的印版。在一些实施例中，的值可以根据需要进行设定。示例性地，在一些实施例中，的值可以设定为11。

在印刷的过程中，依次将各色印版按顺序重叠印刷时，由于无法保证印版完全精准地放置在对应位置，因此在印刷过程中不同印版的边缘位置可能出现错位。在实际生产中，会给予各色印版一定容错范围的错位空间，但是，该错位空间的存在会使得模板匹配过程中未出现瑕疵的位置因出现了错位而导致两像素点位置无法进行匹配，从而将非瑕疵部分识别为瑕疵，所以，需要为各色印版中位于颜色边缘的位置提供额外的错位空间。对于非边缘位置的像素点而言，该错位空间的存在对于模板匹配过程的影响则相对较小。基于此，在本说明书的一些实施例中，可以将对该窗口内的像素点分类进行匹配。

图4是根据本说明书一些实施例所示的基于计算机视觉的油墨印刷表面质量检测方法的示例性子步骤流程图。参照图4，在一些实施例中，步骤330可以包括如下子步骤：

子步骤331，确定油墨印刷图像中的边缘像素点和非边缘像素点。

在一些实施例中，可以根据C、M、Y、K四个颜色通道对应的分色印版确定每个分色印版对应的颜色区域中位于边缘位置的像素点。在一些实施例中，将位于分色印版对应的颜色区域的边缘位置的像素点作为该分色印版对应的边缘像素点，将在C、M、Y、K四个颜色通道对应的分色印版内都不是边缘像素点的像素点作为非边缘像素点。

举例而言，油墨印刷图像中坐标为（1，1）的像素点P1对应于C通道的边缘位置，但并非M、Y、K通道的边缘位置，坐标为（1，2）的像素点P2对应于M、Y通道的边缘位置，但并非C、K通道的边缘位置，坐标为（2，1）的像素点P3对应于C、K通道的边缘位置，但并非M、Y通道的边缘位置，则像素点P1、P2、P3均可以视为边缘像素点。坐标为（5，5）的像素点P4在C、M、Y、K四个颜色通道对应的颜色区域中均为非边缘位置，则可以将像素点P4视为非边缘像素点。

子步骤332，基于第一计算方式确定所述边缘像素点对应的通道差异度。

在一些实施例中，考虑到对于边缘像素点需要更大的容错范围以避免模板匹配过程中将非瑕疵部位误识别为瑕疵，因此，在本说明书中，采用具有额外错位空间的第一计算方式对边缘像素点所对应的通道差异度进行计算。

具体地，该第一计算方式可以包括：确定待计算的像素点（边缘像素点或后文提到的处于所述边缘像素点的八邻域范围内的非边缘像素点）的第一坐标，然后基于该第一坐标在容错空间内确定待计算的像素点在各个分色印版中对应的第一匹配像素点。其中，该第一坐标可以用于表征边缘像素点或后文提到的处于边缘像素点的八邻域范围内的非边缘像素点在油墨印刷图像中对应的像素位置。

在一些实施例中，为了确定该第一匹配像素点，可以在各个分色印版中以前述第一坐标对应的像素点为中心，建立的容错空间，然后计算待计算的像素点与该容错空间内的各个像素点在各个颜色通道的像素差值的绝对值之和，并将像素差值的绝对值之和最小的像素点作为与待计算的像素点对应的第一匹配像素点。在一些实施例中，该待计算的像素点在不同分色印版中所对应的第一匹配像素点的坐标可以相同，也可以不同。需要说明的是，在本说明书中，的值可以设定为3或其他数值，的值越大，则对应的容错空间越大。

进一步地，在确定各个分色印版中与待计算的像素点对应的第一匹配像素点之后，可以基于该待计算的像素点在各个颜色通道的像素值和第一匹配像素点在对应颜色通道的像素值，确定待计算的像素点对应的通道差异度。

具体地，在一些实施例中，对于前述窗口内的边缘像素点所对应的通道差异度的计算方式可以表示如下（参照公式1）：

（1）

其中，为窗口内坐标为的边缘像素点对应的通道差异度；为窗口内坐标为的边缘像素点在通道对应的像素值；为窗口内坐标为的边缘像素点在通道印版中的对应第一匹配像素点在通道对应的像素值；其中，前述通道包含C、M、Y、K四个颜色通道。

子步骤333，对于窗口内的所述非边缘像素点，若其处于所述边缘像素点的八邻域范围内，基于所述第一计算方式确定其对应的通道差异度，若其不处于所述边缘像素点的八邻域范围内，则基于第二计算方式确定其对应的通道差异度。

在一些实施例中，考虑到当非边缘像素点处于边缘像素点的八邻域范围内（即与边缘像素点相邻）时，若边缘像素点位置出现了错位，则该非边缘像素点位置也会被影响，因此需要提供相同的错位空间；当非边缘像素点没有处于边缘像素点的八邻域范围内（即与边缘像素点不相邻）时，则不会出现前述错位问题，因此不再需要提供错位空间。

基于此，在一些实施例中，对于窗口内的非边缘像素点，若其处于边缘像素点的八邻域范围内，可以基于前述第一计算方式确定其对应的通道差异度，若其不处于边缘像素点的八邻域范围内，则基于第二计算方式确定其对应的通道差异度。

具体地，该第二计算方式可以包括：确定待计算的像素点（不处于边缘像素点的八邻域范围内的非边缘像素点）的第二坐标，该第二坐标可以用于表征不处于边缘像素点的八邻域范围内的非边缘像素点在油墨印刷图像中对应的像素位置，然后基于该第二坐标在各个分色印版中确定具有相同坐标的第二匹配像素点，最后，基于该待计算的像素点在各个颜色通道的像素值和第二匹配像素点在对应颜色通道的像素值，确定待计算的像素点对应的通道差异度。

具体地，在一些实施例中，对于前述窗口内的非边缘像素点所对应的通道差异度的计算方式可以表示如下（参照公式2）：

（2）

其中，为窗口内坐标为的非边缘像素点对应的通道差异度；为窗口内坐标为的非边缘像素点在通道印版中的对应第一匹配像素点在通道对应的像素值；为分色印版中与窗口内坐标为的非边缘像素点具有相同坐标的第二匹配像素点在通道对应的像素值；为处于边缘像素点的八邻域范围内的各非边缘像素点组成的集合；为不处于边缘像素点的八邻域范围内的各非边缘像素点组成的集合。

基于上述公式1和公式2，可以对以目标像素点为中心建立的的窗口内各个像素点进行通道差异度计算。在一些实施例中，该通道差异度可以表征油墨印刷图像中的像素点在各个颜色通道与分色印版中对应像素点的像素差值的绝对值之和，该通道差异度越小，则表示对应的像素点位置的油墨印刷效果越好，像素点位置的颜色值与印版对应位置的颜色值越接近。

继续参照图3，本说明书提供的基于计算机视觉的油墨印刷表面质量检测方法300还可以包括：

步骤340，对所述窗口内各个像素点对应的通道差异度进行筛选，得到筛选后的数据。在一些实施例中，步骤340可以由数据筛选模块240执行。

在一些实施例中，为了使印刷质量评价在可筛选出微小瑕疵的前提下减少过高的灵敏度，使瑕疵的筛选结果更为准确，减少误判，可以对窗口内各像素点对应的通道差异度进行筛选，然后根据筛选后的数据确定中心像素点（即目标像素点）对应的印刷效果。

图5是根据本说明书另一些实施例所示的基于计算机视觉的油墨印刷表面质量检测方法的示例性子步骤流程图。参照图5，在一些实施例中，步骤340可以包括如下子步骤：

子步骤341，将窗口中具有相同颜色的像素点划分为一个颜色区。

一般来说，当两个像素点对应的C、M、Y、K四个颜色通道对应的像素值的差值的绝对值均小于或等于二者中任意一者的10%时，可以认为这两个像素点为同一颜色，相反，当存在至少一个颜色通道对应的像素值的差值的绝对值大于其中一者的10%时，则认为这两个像素点为不同颜色。以此为基础，可以对窗口中的像素点进行颜色划分，将窗口中具有相同颜色的像素点划分为一个颜色区。

需要说明的是，在本说明书中，前述颜色划分阈值仅为示例性说明，其可根据实际需要进行设定。换言之，即在本说明书实施例中，前述颜色划分阈值可以是但不限于10%。

子步骤342，对于每一个颜色区，若区内的像素点数量大于或等于第一预设阈值，将其作为有效颜色区，并基于该区内各像素点对应的通道差异度确定所述有效颜色区对应的通道差异度序列。

在一些实施例中，该第一预设阈值可以为3，具体而言，即某一个颜色区中的像素点数量大于或等于3时，则可以将该颜色区视为一个有效颜色区。反之，则将其视为一个无效颜色区或不纳入计算的颜色区。在一些实施例中，可以基于有效颜色区内各个像素点对应的通道差异度确定该有效颜色区对应的通道差异度序列。在一些实施例中，可以按照从左至右、从上至下的规则将该有效颜色区中每个像素点对应的通道差异度进行排列，得到该通道差异度序列。

子步骤343，对所述通道差异度序列进行LOF异常值检测，确定每一个所述通道差异度序列中的异常值。

在一些实施例中，为了查找该通道差异度序列的异常数据，可以通过LOF（LocalOutlier Factor，局部异常因子）算法对该通道差异度序列进行LOF异常值检测，从而确定出每一个通道差异度序列中的异常值。

子步骤344，判断所述异常值的数量是否大于第二预设阈值。

在一些实施例中，可以基于所有有效颜色区所对应的通道差异度序列中检测出的异常值的总数量对窗口内各个像素点对应的通道差异度进行筛选。具体而言，即根据该异常值的总数量与第二预设阈值的大小关系来对窗口内各个像素点对应的通道差异度进行筛选。在一些实施例中，该第二预设阈值可以设定为1。

参照图5，在一些实施例中，当该异常值的数量小于或等于第二预设阈值时，数据筛选模块240可以执行子步骤345，剔除所述通道差异度序列中的所述异常值，得到所述筛选后的数据。反之，当该异常值的数量大于第二预设阈值时，数据筛选模块240可以执行子步骤346，将所述通道差异度序列中的所有数据作为所述筛选后的数据。

继续参照图3，本说明书提供的基于计算机视觉的油墨印刷表面质量检测方法300还可以包括：

步骤350，基于所述筛选后的数据，确定所述目标像素点对应的油墨颜色松散度。在一些实施例中，步骤350可以由油墨颜色松散度确定模块250执行。

油墨颜色松散度是指油墨在印刷过程中在颜色上的偏差程度，即油墨颜色与预期颜色（例如印版颜色）之间的差异。在一些实施例中，目标像素点对应的油墨颜色松散度可以通过如下公式（参照公式3）计算得到：

（3）

其中， 为目标像素点对应的油墨颜色松散度；为目标像素点对应的窗口中有效颜色区内各像素点对应的通道差异度；为对目标像素点对应的窗口中有效颜色区内各像素点对应的通道差异度进行求和；为目标像素点对应的窗口中有效颜色区内各像素点分别在C、M、Y、K四个颜色通道内对应的像素值的标准差的均值；为对目标像素点对应的窗口中各有效颜色区对应的值求和；为目标像素点对应的窗口中有效颜色区的个数；为目标像素点对应的窗口中有效颜色区内包含的像素点的个数；为目标像素点对应的窗口内包含的像素点总个数；为目标像素点对应的窗口中不属于任何有效颜色区的外像素点的个数；为目标像素点对应的窗口中不属于任何有效颜色区的各像素点对应的通道差异度的均值；为目标像素点对应的窗口中有效颜色区内包含的各像素点对应的通道差异度的均值；为目标像素点对应的窗口中不属于任何有效颜色区的各像素点分别在C、M、Y、K四个颜色通道内对应的像素值的标准差的均值。

具体而言，在一些实施例中，油墨颜色松散度确定模块250可以计算以目标像素点为中心建立的窗口中每一个有效颜色区内各个像素点在C、M、Y、K四个颜色通道内对应的像素值的标准差的第一均值，以及每一个有效颜色区中各个像素点对应的通道差异度之和，然后，基于该第一均值以及该通道差异度之和确定所述窗口对应的第一参数。进一步地，油墨颜色松散度确定模块250可以基于该第一参数和所述窗口中所有有效颜色区的总数，得到第一比值。

进一步地，油墨颜色松散度确定模块250可以计算所述窗口中不属于任何有效颜色区的像素点对应的通道差异度的第二均值、所述窗口中所有有效颜色区的像素点对应的通道差异度的第三均值，以及所述窗口中不属于任何有效颜色区的像素点在C、M、Y、K四个颜色通道内对应的像素值的标准差的第四均值，然后，基于该第二均值和第三均值，得到第二比值。同时，油墨颜色松散度确定模块250还可以基于该第二均值和第四均值，得到第二参数。

进一步地，油墨颜色松散度确定模块250还可以确定所述窗口中所有有效颜色区的像素总量在所述窗口中对应的第一比例，以及所述窗口中不属于任何有效颜色区的像素总量在所述窗口中对应的第二比例。

最后，油墨颜色松散度确定模块250可以基于前述第一比值、第一比例、第二比值、第二比例以及第二参数，确定目标像素点对应的油墨颜色松散度。

具体地，在一些实施例中，前述第一参数可以通过对所述窗口中各个颜色区所对应的第一均值和通道差异度之和的乘积进行求和得到，前述第二参数可以通过将第二均值与第四均值相乘等得到。

基于前述第一比值、第一比例、第二比值、第二比例以及第二参数确定目标像素点对应的油墨颜色松散度的过程可以包括：首先，将前述第一比值与第一比例相乘，得到第一乘积；其次，将前述第二比值、第二比例以及第二参数相乘，得到第二乘积；最后，对该第一乘积和第二乘积进行求和，即可得到目标像素点对应的油墨颜色松散度。

在一些实施例中，可以在计算该目标像素点对应的油墨颜色松散度的过程中，将有效颜色区中的像素点与其他像素点（例如无效颜色区中的像素点）分别进行分析，并根据不同有效颜色区和/或不同像素点的分析值对油墨颜色松散度的影响程度进行赋值，从而使目标像素点对应的油墨颜色松散度的计算结果更为准确。

步骤360，基于所述油墨颜色松散度，确定所述目标像素点对应的油墨印刷质量指数。在一些实施例中，步骤360可以由油墨印刷质量指数确定模块260执行。

在通过前述步骤得到目标像素点对应的油墨颜色松散度之后，油墨印刷质量指数确定模块260可以对该油墨颜色松散度进行归一化处理，然后，基于归一化处理后得到的数据，确定目标像素点对应的油墨印刷质量指数。

具体地，该油墨印刷质量指数可以基于如下公式（参照公式4）计算得到：

（4）

其中，为目标像素点对应的油墨印刷质量指数；为目标像素点对应的油墨颜色松散度；为归一化函数，其作用为对括号内的指标值进行归一化。

需要注意的是，在本说明书实施例中，当窗口内存在需要排除的异常值时，上述计算公式中所有相关数据均为排除了异常值之后对应的数据（即前述筛选后的数据）。

另外，还需要说明的是，当像素点所在位置包含了某个印版中的边缘时，会出现窗口内包含的相邻的两个像素点的颜色差异较大的情况，此时计算得到的油墨印刷质量指数和油墨颜色松散度会受到不同颜色的影响而导致计算结果不准确。在本说明书所提供的实施例中，通过对窗口内的各个像素点的颜色进行分区则可以消除该影响，从而提高后续过程中油墨颜色松散度和油墨印刷质量指数的计算精度。

通过以上步骤，可以计算出油墨印刷图像中各像素点对应的油墨印刷质量指数，通过该油墨印刷图像中各像素点对应的油墨印刷质量指数，即可反映出待检测的印刷品的印刷质量。

具体地，在一些实施例中，当油墨印刷图像中的目标像素点对应的油墨印刷质量指数大于或等于第三阈值时，可以认为该目标像素点位置的油墨印刷质量良好。反之，当该油墨印刷质量指数小于该第三阈值时，可以认为该目标像素点位置存在微小瑕疵。在一些实施例中，该第三阈值可以设定为（但不限于）0.6。

进一步地，在一些实施例中，可以将该油墨印刷图像中被评价为存在微小瑕疵的像素点筛选出来，然后根据这些瑕疵像素点的总量或相邻瑕疵像素点的数量对油墨印刷图像的印刷质量进行判断。

具体地，在一些实施例中，可以在油墨印刷图像中的瑕疵像素点的总数量大于或等于第四阈值时，或者相邻的瑕疵像素点的数量大于或等于第五阈值时，认为油墨印刷图像的油墨印刷质量不佳。反之，若油墨印刷图像中的瑕疵像素点的总数量小于该第四阈值时，并且相邻的瑕疵像素点的数量小于该第五阈值，则可以认为油墨印刷图像的油墨印刷质量良好。在一些实施例中，前述第四阈值可以设定为（但不限于）20，前述第五阈值可以设定为（但不限于）5。

需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

Claims (6)

1.一种基于计算机视觉的油墨印刷表面质量检测方法，其特征在于，包括：

获取待检测的油墨印刷图像；

对所述油墨印刷图像进行CMYK分色处理，得到所述油墨印刷图像中每一个像素点在C、M、Y、K四个颜色通道对应的像素值；

对于所述油墨印刷图像中的每一个目标像素点，

以所述目标像素点为中心建立的窗口，根据所述窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定所述各个像素点对应的通道差异度，其中，所述通道差异度基于所述四个颜色通道对应的像素值和所述分色印版中对应位置的像素值计算得到；

对所述窗口内各个像素点对应的通道差异度进行筛选，得到筛选后的数据；

基于所述筛选后的数据，确定所述目标像素点对应的油墨颜色松散度；

基于所述油墨颜色松散度，确定所述目标像素点对应的油墨印刷质量指数；

所述根据所述窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定所述各个像素点对应的通道差异度，包括：

确定所述油墨印刷图像中的边缘像素点和非边缘像素点；

基于第一计算方式确定所述边缘像素点对应的通道差异度；

对于所述窗口内的所述非边缘像素点，若其处于所述边缘像素点的八邻域范围内，基于所述第一计算方式确定其对应的通道差异度，若其不处于所述边缘像素点的八邻域范围内，则基于第二计算方式确定其对应的通道差异度；

所述确定所述油墨印刷图像中的边缘像素点和非边缘像素点，包括：

根据C、M、Y、K四个颜色通道对应的分色印版确定每个分色印版对应的颜色区域中位于边缘位置的像素点；

将所述位于边缘位置的像素点作为所述分色印版对应的边缘像素点，将在C、M、Y、K四个颜色通道对应的分色印版内都不是边缘像素点的像素点作为非边缘像素点；

所述第一计算方式包括：

确定待计算的像素点的第一坐标，所述第一坐标用于表征所述边缘像素点或处于所述边缘像素点的八邻域范围内的非边缘像素点在所述油墨印刷图像中对应的像素位置；

基于所述第一坐标在容错空间内确定所述待计算的像素点在各个分色印版中对应的第一匹配像素点；

基于所述待计算的像素点在各个颜色通道的像素值和所述第一匹配像素点在对应颜色通道的像素值，确定所述待计算的像素点对应的通道差异度；

所述第二计算方式包括：

确定待计算的像素点的第二坐标，所述第二坐标用于表征不处于所述边缘像素点的八邻域范围内的非边缘像素点在所述油墨印刷图像中对应的像素位置；

基于所述第二坐标在各个分色印版中确定具有相同坐标的第二匹配像素点；

基于所述待计算的像素点在各个颜色通道的像素值和所述第二匹配像素点在对应颜色通道的像素值，确定所述待计算的像素点对应的通道差异度；

所述基于所述第一坐标在容错空间内确定所述待计算的像素点在各个分色印版中对应的第一匹配像素点，包括：

在各个分色印版中，以所述第一坐标对应的像素点为中心，建立的容错空间；

计算所述待计算的像素点与所述容错空间内的各个像素点在各个颜色通道的像素差值的绝对值之和；

将所述像素差值的绝对值之和最小的像素点作为所述待计算的像素点对应的第一匹配像素点。

2.如权利要求1所述的基于计算机视觉的油墨印刷表面质量检测方法，其特征在于，所述对所述窗口内各个像素点对应的通道差异度进行筛选，得到筛选后的数据，包括：

将所述窗口中具有相同颜色的像素点划分为一个颜色区；

对于每一个颜色区，若区内的像素点数量大于或等于第一预设阈值，将其作为有效颜色区，并基于该区内各像素点对应的通道差异度确定所述有效颜色区对应的通道差异度序列；

对所述通道差异度序列进行LOF异常值检测，确定每一个所述通道差异度序列中的异常值；

在所述异常值的数量小于或等于第二预设阈值时，剔除所述通道差异度序列中的所述异常值，得到所述筛选后的数据；

在所述异常值的数量大于所述第二预设阈值时，将所述通道差异度序列中的所有数据作为所述筛选后的数据。

3.如权利要求2所述的基于计算机视觉的油墨印刷表面质量检测方法，其特征在于，所述基于所述筛选后的数据，确定所述目标像素点对应的油墨颜色松散度，包括：

计算每一个所述有效颜色区中各个像素点在C、M、Y、K四个颜色通道内对应的像素值的标准差的第一均值，以及每一个所述有效颜色区中各个像素点对应的通道差异度之和；

基于所述第一均值以及所述通道差异度之和确定所述窗口对应的第一参数；

基于所述第一参数和所述窗口中所有所述有效颜色区的总数，得到第一比值；

计算所述窗口中不属于任何所述有效颜色区的像素点对应的通道差异度的第二均值、所述窗口中所有所述有效颜色区的像素点对应的通道差异度的第三均值，以及所述窗口中不属于任何所述有效颜色区的像素点在C、M、Y、K四个颜色通道内对应的像素值的标准差的第四均值；

基于所述第二均值和所述第三均值，得到第二比值；

基于所述第二均值和所述第四均值，得到第二参数；

确定所述窗口中所有所述有效颜色区的像素总量在所述窗口中对应的第一比例，以及所述窗口中不属于任何所述有效颜色区的像素总量在所述窗口中对应的第二比例；

基于所述第一比值、第一比例、第二比值、第二比例以及所述第二参数，确定所述目标像素点对应的油墨颜色松散度。

4.如权利要求3所述的基于计算机视觉的油墨印刷表面质量检测方法，其特征在于，所述基于所述第一均值以及所述通道差异度之和确定所述窗口对应的第一参数，包括：对所述窗口中各个颜色区所对应的第一均值和通道差异度之和的乘积进行求和，得到所述窗口对应的第一参数；

所述基于所述第二均值和所述第四均值，得到第二参数，包括：将所述第二均值和所述第四均值的乘积作为所述第二参数；

所述基于所述第一比值、第一比例、第二比值、第二比例以及所述第二参数，确定所述目标像素点对应的油墨颜色松散度，包括：

将所述第一比值与所述第一比例相乘，得到第一乘积；

将所述第二比值、第二比例以及第二参数相乘，得到第二乘积；

对所述第一乘积和所述第二乘积进行求和，得到所述目标像素点对应的油墨颜色松散度。

5.如权利要求3所述的基于计算机视觉的油墨印刷表面质量检测方法，其特征在于，所述基于所述油墨颜色松散度，确定所述目标像素点对应的油墨印刷质量指数，包括：

对所述油墨颜色松散度进行归一化处理；

基于所述归一化处理后得到的数据，确定所述目标像素点对应的油墨印刷质量指数。

6.一种基于计算机视觉的油墨印刷表面质量检测系统，其特征在于，包括：

获取模块，用于获取待检测的油墨印刷图像；

分色处理模块，用于对所述油墨印刷图像进行CMYK分色处理，得到所述油墨印刷图像中每一个像素点在C、M、Y、K四个颜色通道对应的像素值；

通道差异度计算模块，用于对于所述油墨印刷图像中的每一个目标像素点，以所述目标像素点为中心建立的窗口，根据所述窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定所述各个像素点对应的通道差异度，其中，所述通道差异度基于所述四个颜色通道对应的像素值和所述分色印版中对应位置的像素值计算得到；

数据筛选模块，用于对所述窗口内各个像素点对应的通道差异度进行筛选，得到筛选后的数据；

油墨颜色松散度确定模块，用于基于所述筛选后的数据，确定所述目标像素点对应的油墨颜色松散度；

油墨印刷质量指数确定模块，用于基于所述油墨颜色松散度，确定所述目标像素点对应的油墨印刷质量指数；

所述根据所述窗口内各个像素点与分色印版中对应位置的像素点的匹配情况确定所述各个像素点对应的通道差异度，包括：

确定所述油墨印刷图像中的边缘像素点和非边缘像素点；

基于第一计算方式确定所述边缘像素点对应的通道差异度；

对于所述窗口内的所述非边缘像素点，若其处于所述边缘像素点的八邻域范围内，基于所述第一计算方式确定其对应的通道差异度，若其不处于所述边缘像素点的八邻域范围内，则基于第二计算方式确定其对应的通道差异度；

所述确定所述油墨印刷图像中的边缘像素点和非边缘像素点，包括：

根据C、M、Y、K四个颜色通道对应的分色印版确定每个分色印版对应的颜色区域中位于边缘位置的像素点；

将所述位于边缘位置的像素点作为所述分色印版对应的边缘像素点，将在C、M、Y、K四个颜色通道对应的分色印版内都不是边缘像素点的像素点作为非边缘像素点；

所述第一计算方式包括：

确定待计算的像素点的第一坐标，所述第一坐标用于表征所述边缘像素点或处于所述边缘像素点的八邻域范围内的非边缘像素点在所述油墨印刷图像中对应的像素位置；

基于所述第一坐标在容错空间内确定所述待计算的像素点在各个分色印版中对应的第一匹配像素点；

基于所述待计算的像素点在各个颜色通道的像素值和所述第一匹配像素点在对应颜色通道的像素值，确定所述待计算的像素点对应的通道差异度；

所述第二计算方式包括：

确定待计算的像素点的第二坐标，所述第二坐标用于表征不处于所述边缘像素点的八邻域范围内的非边缘像素点在所述油墨印刷图像中对应的像素位置；

基于所述第二坐标在各个分色印版中确定具有相同坐标的第二匹配像素点；

基于所述待计算的像素点在各个颜色通道的像素值和所述第二匹配像素点在对应颜色通道的像素值，确定所述待计算的像素点对应的通道差异度；

所述基于所述第一坐标在容错空间内确定所述待计算的像素点在各个分色印版中对应的第一匹配像素点，包括：

在各个分色印版中，以所述第一坐标对应的像素点为中心，建立的容错空间；

计算所述待计算的像素点与所述容错空间内的各个像素点在各个颜色通道的像素差值的绝对值之和；

将所述像素差值的绝对值之和最小的像素点作为所述待计算的像素点对应的第一匹配像素点。